智谱AI语音识别模型GLM-ASR双版本登场：云端版精准识别多场景，Nano版开源免费，笔记本/手机均可部署

智谱AI全新发布 GLM-ASR 系列语音识别模型，包含云端部署的 GLM-ASR-2512 与端侧轻量化的 GLM-ASR-Nano-2512 两个版本。其中 Nano 版以 1.5B 紧凑参数规模实现免费开源，支持笔记本、手机等终端设备本地运行，在方言识别、低音量语音转录等场景达到同类开源模型 SOTA 性能，同时超越 OpenAI Whisper V3。

文档：https://docs.bigmodel.cn/cn/guide/models/sound-and-video/glm-asr-2512
Hugging Face：https://huggingface.co/zai-org/GLM-ASR-Nano-2512
魔塔：https://www.modelscope.cn/models/ZhipuAI/GLM-ASR-Nano-2512

双版本定位：云端精准识别，端侧低延迟部署

GLM-ASR 系列针对不同使用场景，提供差异化模型选择：

GLM-ASR-2512（云端版）
- 定位：面向云端大规模语音识别需求，适配复杂声学环境；
- 核心指标：字符错误率低至 0.0717；
- 支持场景：中文、英文、方言转录，以及嘈杂环境下的语音识别，满足企业级高精准度需求。
GLM-ASR-Nano-2512（端侧开源版）
- 核心参数：1.5B 参数规模，体积轻量化，可直接在笔记本、手机等终端设备本地运行；
- 开源属性：免费开源，支持开发者二次优化与定制；
- 性能优势：在同类开源模型中实现最低平均错误率（4.10），在 Wenet Meeting、Aishell-1 等中文权威基准测试中表现突出，综合性能优于 OpenAI Whisper V3。

核心功能亮点：覆盖多场景语音识别痛点

GLM-ASR-Nano-2512 针对现实世界语音识别的复杂需求做深度优化，解决传统模型的多个短板：

卓越的方言支持能力
除标准普通话和英语外，模型针对粤语等方言进行专项优化，有效填补方言语音识别的技术空白，适用于地方特色内容转录、方言交互等场景。
低音量语音鲁棒性
专门针对耳语、轻声场景开展训练，能够精准捕捉传统语音识别模型容易遗漏的极低音量音频，可满足会议低声讨论、夜间语音输入等隐私性强的使用需求。
复杂声学环境适应性
在嘈杂环境下仍保持高识别准确率，无需额外降噪预处理即可直接转录，适配车载、商场、工厂等多背景噪音场景。

基准测试表现：同类模型中优势显著

在多轮权威基准测试中，GLM-ASR-Nano-2512 展现出远超同级别模型的性能：

对比 OpenAI Whisper V3：在相同参数量级下，GLM-ASR-Nano-2512 平均错误率更低，尤其在方言和低音量场景优势明显；
中文场景专项测试：在 Wenet Meeting（会议语音）、Aishell-1（中文普通话）等数据集测试中，识别准确率领先其他开源语音识别模型，达到 SOTA 水平。